我在使用Spark ML运行Kmeans。我有一组数据和三个现有的中心，例如这三个中心是：[1.0,1.0,1.0],[5.0,5.0,5.0],[9.0,9.0,9.0]. 那么，我如何指定Kmeans的中心为上述三个向量呢？我看到Kmeans对象有一个seed参数，但seed参数是long类型而不是数组。那么，我如何告诉Spark Kmeans只使用现有的中心进行聚类呢？

或者说，我不理解Spark Kmeans中的seed是什么意思，我认为seeds应该是一个表示指定中心的向量数组，在运行聚类之前使用。

回答：

实际上，seed并不是你所想的意思，即它不是用来“播种”（初始化）聚类中心的，而是简单地设置随机种子 – 你可以在Scala和Python API的文档中确认这一点。

据我所知，目前（Spark 2.1）在Spark ML中没有办法为k-means提供初始聚类中心（参见这个回答关于Spark MLlib）。根据文档，initMode参数：

可以是“random”以随机选择点作为初始聚类中心，或者是“k-means||”以使用k-means++的并行变体